XiaoMi-AI文件搜索系统
World File Search SystemLNCS
更正至：章节“支持 AI 系统问责和审计的语义框架”，载于：R. Verborgh 等人（编辑）：语义网，LNCS 12731，https://doi.org/10.1007/978-3-030-77385-4_10
更正至：章节“支持 AI 系统问责和审计的语义框架”，载于：R. Verborgh 等人（编辑）：语义网，LNCS 12731，https://doi.org/10.1007/978-3-030-77385-4_10
Kerdvibulvec, C. 和 Chen, L. (2020)。新冠疫情期间增强现实和人工智能的力量。在 C. Stephanidis、M. Kurosu、H. Degen 和 L. Reinerman-Jones (Eds.) 中，HCI International 2020 - 最新论文：多模态和智能：第 22 届 HCI 国际会议，HCII 2020，丹麦哥本哈根，2020 年 7 月 19-24 日，会议录 (第 12424 卷，第 467-476 页)。（计算机科学讲义（包括人工智能讲义和生物信息学讲义子系列）；第 12424 卷 LNCS）。施普林格国际出版公司。 https://doi.org/10.1007/978-3-030-60117-1_34 阿尔斯特大学研究门户中的出版记录链接
摘要。由严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 引起的 Covid-19 疫情给世界各地的科学界，包括计算机科学界带来了许多重大挑战。与此同时，随着社交媒体和智能手机在世界各地连通性的提高，计算机科学的兴起，增强现实 (AR) 和人工智能 (AI) 领域最近发展非常迅速。增强现实是一个新兴的物理场景领域，其中物理世界中的事物与虚拟世界混合在一起，而人工智能是一个流行的领域，用于机器模拟人类智能，即被编程为像人类一样观察、思考和理解。本文介绍了 Covid-19 疫情期间增强现实和人工智能的最新发展。首先，我们重点介绍一下最近使用增强现实应对 Covid-19 危机的工具。例如，我们回顾了基于增强现实的用于检测病毒症状的热成像眼镜，以及增强现实在教育任务中的方法，这些方法可以帮助人们有效地克服隔离，进行在线学习。其次，我们讨论了最近使用人工智能智能抗击 Covid-19 大流行的工具的概述。我们的讨论包括用于近似和让人们为预防病毒做好准备的人工智能方法，使用非线性回归网络 (NAR) 预测病毒的大小、长度和结束时间的 Covid-19 疫情预测方法，以及用于估计致命病毒爆发趋势的易感-暴露-感染-移除 (SEIR) 模型。最后，我们提出了增强现实和人工智能之间的优势和有希望的未来整合，以解决 Covid-19 危机后的研究问题。
LNCS 4561 - 使用多模式技术加强航空维护检查培训
摘要。格林维尔技术学院航空维修技术培训机构（美国南卡罗来纳州格林维尔）与克莱姆森大学（美国南卡罗来纳州克莱姆森）最近通过合作，利用先进的计算机技术显著改善了航空维修技术人员的培训。这些应用包括：大型飞机货舱的 2.5D 和 3D 虚拟环境，交互方式从完全沉浸式（使用头戴式显示器和 6 自由度鼠标）到半沉浸式（使用空间跟踪悬挂式触摸感应窗口显示器）再到非沉浸式（使用基本台式计算机和鼠标）；以及涡轮发动机叶片的 3D 虚拟环境，可在其中练习无损检测方法（例如内窥镜检查）。本文讨论了将这些技术整合到现有教育课程中，并提供了有关如何实施和评估此类计划的见解。
lncs 4191-通过基于扩散张量的电场模型预测深脑刺激的影响
摘要。深脑刺激（DBS）是一种用于治疗运动障碍的既定疗法，并且显示出有望治疗多种其他神经系统疾病的结果。，对DBS的作用机理或刺激造成的脑组织的体积知之甚少。我们开发了使用解剖学和扩散张量MRI（DTI）数据来预测DBS激活的组织（VTA）的方法。我们将成像数据与大脑的详细有限元模型共同注册，并刺激电极以解剖和电气准确地预测刺激的扩散。模型的一个关键组成部分是DTI张量字段，用于表示三维各向异性和不均匀的组织电导率。使用该系统，我们能够融合结构和功能信息，以研究用于治疗帕金森氏病（PD）的丘脑下核的相关临床概率：DB。我们的结果表明，与同质性的各向同性组织体积相比，在我们的模型中包含张量范围会导致VTA的大小和形状的显着差异。这些差异的宏观与刺激电压成正比。我们的模型预测是通过比较预测的活化的扩散与观察到的PD患者眼动神经刺激的影响的传播来验证的。反过来，脑的3D组织电性能在调节DBS产生的神经激活的扩散中起着重要作用。